論文の概要: Gaussian Splatting for Real-Time Scene Reconstruction: Methods, Systems, and Trade-offs

• arxiv url: http://arxiv.org/abs/2610.17513v1
• Date: Tue, 13 Oct 2026 00:20:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 18:32:46.829243
• Title: Gaussian Splatting for Real-Time Scene Reconstruction: Methods, Systems, and Trade-offs
• Title（参考訳）: リアルタイムシーン再構築のためのガウス的スプレイティング:方法,システム,トレードオフ
• Abstract要約: 3D Gaussian Splatting (3DGS) は高品質のノベルビュー合成を可能にする。 この調査では、現在の文献を合成し、それらを分類し、エンドツーエンドパイプラインに向けた現在のアプローチとツールの接続を提供します。
• 参考スコア（独自算出の注目度）: 5.13713525861535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) allows for high-quality real-time novel-view synthesis. Since its inception in 2023, its explicit and highly configurable scene representation has been extended toward sparse-view generation, dynamic reconstruction, efficiency and compression, streaming, and simultaneous localization and mapping (SLAM). Although Gaussian Splatting can provide real-time rendering, rendering an existing representation is distinct from constructing, updating, or maintaining the scene itself. In this survey, we synthesize current literature, categorize them and provide a connection of current approaches and tools towards an end-to-end pipeline. Explicitly, we categorize GS scene reconstruction into five overlapping families: single-shot generation, dynamic representations, efficiency and compression, streaming and immersive systems, and Gaussian Splatting SLAM. We distinguish render-only throughput from task-specific scene generation, update, tracking, mapping, and optimization costs, and combine controlled sparse-view benchmarking with native evaluations to identify cross-family quality, latency, memory, and update-cost trade-offs.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は高品質のノベルビュー合成を可能にする。 2023年の開始以来、その明示的で高度に構成可能なシーン表現は、スパースビュー生成、動的再構成、効率と圧縮、ストリーミング、同時ローカライゼーションとマッピング(SLAM)へと拡張されてきた。 Gaussian Splattingはリアルタイムレンダリングを提供することができるが、既存の表現をレンダリングすることは、シーン自体の構築、更新、保守とは別物である。 この調査では、現在の文献を合成し、それらを分類し、エンドツーエンドパイプラインに向けた現在のアプローチとツールの接続を提供します。 具体的には,GSシーンの再構成を,単一ショット生成,動的表現,効率と圧縮,ストリーミングと没入型システム,ガウススティングSLAMの5つの重なり合うファミリーに分類する。 レンダリングのみのスループットとタスク固有のシーン生成、更新、トラッキング、マッピング、最適化コストを区別し、コントロールされたスパースビューベンチマークとネイティブ評価を組み合わせて、クロスファミリー品質、レイテンシ、メモリ、アップデートコストのトレードオフを特定します。

関連論文リスト

• A LoD of Gaussians: Unified Training and Rendering for Ultra-Large Scale Reconstruction with External Memory [14.128827855029636]
  コンシューマグレードのGPU上で,超大規模シーンのトレーニングとレンダリングを行うフレームワークであるA LoD of Gaussiansを紹介した。 ガウス階層と逐次点木を組み合わせたハイブリッドデータ構造は、効率的なビュー依存のLoD選択を可能にする。 軽量キャッシングとビュースケジューリングシステムは、リアルタイムストリーミングとレンダリングをサポートするために時間的コヒーレンスを利用する。
  論文  参考訳（メタデータ） (2025-07-01T18:12:43Z)
• CL-Splats: Continual Learning of Gaussian Splatting with Local Optimization [80.3004354618963]
  本稿では,スパースシーンキャプチャから3次元表現を漸進的に更新するCL-Splatを紹介した。 CL-Splatsは、シーン内のアップデートと静的コンポーネントをセグメント化する堅牢な変更検出モジュールを統合する。 本実験により, CL-Splats は, 最先端の再構築品質を向上し, 効率的な更新を実現することを示した。
  論文  参考訳（メタデータ） (2025-06-26T09:32:37Z)
• SP-SLAM: Neural Real-Time Dense SLAM With Scene Priors [32.42183561158492]
  本稿では,SP-SLAMを提案する。SP-SLAMは,リアルタイムにトラッキングとマッピングを行う新しいRGB-D SLAMシステムである。 SP-SLAMでは,実行中のすべての過去の入力フレームのポーズを連続的に最適化する,マッピングの効果的な最適化戦略を導入する。 その結果, 従来の手法と比較して, 高速に動作しながら, トラッキング精度, 復元精度が向上していることがわかった。
  論文  参考訳（メタデータ） (2025-01-11T07:53:58Z)
• 4D Gaussian Splatting with Scale-aware Residual Field and Adaptive Optimization for Real-time Rendering of Temporally Complex Dynamic Scenes [19.24815625343669]
  SaRO-GSはリアルタイムレンダリングを実現する新しい動的シーン表現である。 時間的に複雑な動的シーンを扱うために,スケールアウェアなResidual Fieldを導入する。 我々の手法は最先端の性能を実証した。
  論文  参考訳（メタデータ） (2024-12-09T08:44:19Z)
• MVSGaussian: Fast Generalizable Gaussian Splatting Reconstruction from Multi-View Stereo [54.00987996368157]
  MVSGaussianは、Multi-View Stereo(MVS)から導かれる新しい一般化可能な3次元ガウス表現手法である。 MVSGaussianは、シーンごとにより良い合成品質でリアルタイムレンダリングを実現する。
  論文  参考訳（メタデータ） (2024-05-20T17:59:30Z)
• FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting [58.41056963451056]
  本稿では,3次元ガウススプラッティングに基づく数ショットビュー合成フレームワークを提案する。 このフレームワークは3つのトレーニングビューでリアルタイムおよびフォトリアリスティックなビュー合成を可能にする。 FSGSは、さまざまなデータセットの精度とレンダリング効率の両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-12-01T09:30:02Z)
• SCFusion: Real-time Incremental Scene Reconstruction with Semantic Completion [86.77318031029404]
  本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。 我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
  論文  参考訳（メタデータ） (2020-10-26T15:31:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。